AI-boble vs. vendepunkt: hvorfor Big Tech fortsetter å bruke over 90 milliarder dollar i året på brikker, datasentre og strøm

Hvis du lytter til historien Silicon Valley forteller om AI, høres det ut som en ren ingeniørbue: større modeller, bedre svar, mer produktivitet. Hvis du lytter til hva markeder og myndigheter i stillhet bekymrer seg for, høres det ut som noe helt annet: konsentrasjonsrisiko, energibegrensninger og en kapitalsyklus så stor at den kan forvrenge økonomien.

Den spenningen – mellomAI som et gjennombrudd for alle formålogAI som en investeringsboom som kan overskyte– er motsetningen i kjernen av billion-dollar-kappløpet.

BBCs rapportering, basert på intervjuer i og rundt Google, legger reelle tall og reell fysisk preg bak hypen: støyende brikkelaboratorier, skreddersydd silisium og årlige investeringstall som pleide å høres umulige ut.

Veddemålet: AI er et «vendepunkt» det er verdt å bruke for mye penger på.

Googles administrerende direktør Sundar Pichai rammer AI som det neste plattformskiftet som skjer én gang i tiåret, som for eksempel:

den personlige datamaskinen
internett
mobil
sky

Den innrammingen er viktig fordi den gir ledere tillatelse til å gjøre noe som ser irrasjonelt ut i et normalt år: bruke enorme summer foran dokumentert avkastning.

BBC melder at Google investerer mer enn90 milliarder dollar i åreti sin AI-utbygging, omtrent tredoblet på fire år. Det er ikke «FoU». Det er infrastruktur- og forsyningskjedestrategi.

Pichais uvanlig ærlige påstand er at øyeblikket er både rasjonelt og irrasjonelt – spennende fremgang, men også en syklus der industrien kan overdrive.

Hvis du vil forstå hvorfor bedrifter fortsetter å bruke penger selv om folk snakker om en boble, er det grunnen: de mener kostnaden ved å være forsinket er eksistensiell.

Konsentrasjonsrisikoen: AI-boomen støtter opp hele markedet

En av de minst omtalte risikoene knyttet til AI er ikke teknisk. Den er økonomisk.

BBC bemerker:

massiv markedsverdi konsentrert i en håndfull firmaer
«Magnificent 7» som utgjør omtrent en tredjedel av verdsettelsen av S&P 500
høyere konsentrasjon enn under dotcom-æraen, ifølge IMF-sammenligninger

Det betyr at KI-kappløpet ikke bare er en teknologihistorie. Det er en makrohistorie.

Hvis AI-narrativet bryter sammen (eller til og med tar en pause), rammer det ikke bare noen få oppstartsbedrifter. Det rammer:

pensjonsporteføljer
indeksfond
forbrukertillit
kreditttilgjengelighet

Når folk sier «er AI en boble», mener de ofte: «Er markedet for avhengig av denne ene historien?»

Den virkelige «AI-fabrikken»: brikker, kjøling og skreddersydd silisium

Det er lett å behandle AI som programvare. Men konkurransefortrinnet ser i økende grad ut som kontroll av forsyningskjeden.

BBC tar oss med inn i Googles arbeid med TPU-er (Tensor Processing Units) – Google-designede brikker ment å drive AI-arbeidsbelastninger.

Dette er viktig fordi chiplandskapet er stratifiserende:

CPU-er håndterer generell databehandling
GPU-er håndterer parallell prosessering (ofte brukt til AI)
ASIC-er er spesialbygd for spesifikke arbeidsbelastninger

TPU-er tilhører ASIC-kategorien: spesialtilpasset silisium som er justert for Googles behov.

Den strategiske logikken er klar: hvis databehandling er knapp og dyr, og hvis etterspørselen etter AI fortsetter å øke, er selskaper som kontrollerer sin egen silisium- og distribusjonsprosess mindre utsatt for eksterne begrensninger.

Enkelt sagt: hvis du ikke kan kjøpe nok GPU-er, prøver du å eie hele stacken.

«Tiggingen av GPU-er»-æraen er et signal, ikke en spøk

BBC inkluderer en talende anekdote om teknologiledere som i praksis trygler Nvidia om flere GPU-er.

Det er morsomt, men det er også et markedssignal:

Etterspørselen etter databehandling overstiger tilbudet
«Vinnerstrategien» ser ut som å samle brikker og bygge datasentre.

Dette skaper en psykologisk felle:

Hvis alle tror at den eneste måten å vinne på er å fortsette å bruke penger, blir pengebruk strategien – selv når avkastningen er usikker.

Slik blir investeringsboomer selvforsterkende.

Splittelsen som betyr noe: etablerte aktører vs. den «lånte databehandlingsøkonomien»

Et viktig skille i BBC-rapporten er mellom:

de største teknologiselskapene som kan finansiere brikker og datasentre fra kontantstrøm
bedrifter som er avhengige av lånte penger og komplekse avtaler for å få tilgang til databehandling

Dette er det skjulte klassesystemet til AI.

Hvis AI blir et våpenkappløp innen infrastruktur, kan selskaper med sterke balanser fortsette å bygge opp gjennom nedgangstider. Selskaper som er avhengige av kreditt, kan ikke det.

Derfor er «boblerisiko» asymmetrisk:

Gigantene kan overleve en korreksjon
Det er ikke sikkert at det utnyttede infrastrukturlaget

BBC nevner aksjekursfall i AI-infrastrukturselskaper og turbulens rundt firmaer knyttet til dataforsyning.

OpenAIs forbruksstorm og politikken rundt AI-infrastruktur

BBC beskriver kontroverser rundt omfanget av OpenAIs forpliktelser og motstanden da investorer stilte spørsmål ved misforholdet mellom utgifter og inntekter.

Dette er et kjent mønster i plattformskifter:

tidlig adopsjon er enorm
etterslep i inntektsgenerering
Beregningskostnadene forblir brutale

Den politisk interessante delen er forslaget om at myndighetene kan bygge og eie AI-infrastruktur.

Den ideen vil appellere til politikere av tre grunner:

suverenitet(ikke avhengig av noen få amerikanske firmaer)
nasjonal sikkerhet(kontroll over kritisk databehandling)
industriell strategi(jobber, investeringer, motstandskraft)

Men det reiser også vanskelige spørsmål:

Subsidierer skattebetalerne private modeller?
hvem får tilgang?
Hvem styrer sikkerhet og ansvarlighet?

Energibegrensningen: AI skalerer ikke uten strøm

BBC peker på en truende realitet: datasentre kan forbruke strøm på samme skala som store nasjoner.

Dette er begrensningen som kan gjøre AI-hype til politisk konflikt.

Fordi energisystemene allerede er under press:

elektrifisering av transport
oppvarmingsavkarbonisering
industriell overgang

Hvis AI-vekst konkurrerer med disse målene, står myndighetene overfor avveininger.

Og i motsetning til mange teknologiske begrensninger, er energibegrensninger fysiske:

Utbygging av strømnett tar år
tillatelsene går tregt
lokal motstand er vanlig

«Sannheten teller» og tillitsproblemet

Pichais replikk «sannheten teller» er både betryggende og avslørende.

Tillitsproblemet i AI er ikke bare hallusinasjoner. Det er det bredere informasjonsøkosystemet:

Når AI oppsummerer nettet, hva skjer med kildene?
Når AI tar feil med sikkerhet, hvordan korrigerer folk det?
Hvem er ansvarlig for skader nedstrøms?

BBC bemerker bekymringen for at påliteligheten lider dersom AI blir det eneste produktet.

Et sunnere økosystem krever sannsynligvis:

gjennomsiktige sitater
flere kilder
robust evaluering
menneskelig tilsyn i sammenhenger med høy innsats

Hvis AI er et plattformskifte, er tillit sikkerhetslaget.

Hva du skal se på neste gang

Investeringsdisiplin: senker gigantene forbruket, eller dobler de seg?
Beregn prisingFaller kostnadene nok til å muliggjøre bred fortjeneste, eller forblir de konsentrerte?
Energipolitikk: nettbegrensninger, tillatelser til kamper, vannbruk og lokale moratorier.
ReguleringsholdningBehandler myndighetene AI-infrastruktur som telekom/energi – kritisk og regulert?
Adopsjon kontra pengeinntjeningEr produktiviteten reell i stor skala, eller er bruken hovedsakelig eksperimentering?

Konklusjon

AI-kappløpet er samtidig en teknologirevolusjon og en kapitalsyklus.

Grunnen til at det føles motstridende er at begge påstandene er sanne: AI-fremgang er reell, og investeringsboomen kan fortsatt skyte over ende. Vinnerne vil ikke bli avgjort av hype alene – de vil bli avgjort av hvem som kan sikre databehandling, drive den bærekraftig og omsette bruk til varig verdi før finansieringsstemningen snur.

Kilder

BBC Nyheter (Teknologi / Dybdegående):https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

Document Title
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	AI-boble vs. vendepunkt: hvorfor Big Tech fortsetter å bruke over 90 milliarder dollar i året på brikker, datasentre og strøm

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	AI er et reelt plattformskifte, men kapitalsyklusen er enorm og konsentrert. Her er hvorfor Big Tech fortsetter å bruke penger på brikker og datasentre – og hvor risikoen ligger.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
TripZapp and the Hard Part of Travel Tech in Africa	TripZapp og den vanskelige delen av reiseteknologi i Afrika
Europe’s shadow fleet problem is really about governance at sea	Europas skyggeflåteproblem handler egentlig om styring til sjøs
Page Content
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	AI-boble vs. vendepunkt: hvorfor Big Tech fortsetter å bruke over 90 milliarder dollar i året på brikker, datasentre og strøm
Nature
Climate
The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too	Kappløpet om billioner dollar i kunstig intelligens har en innebygd motsetning: fremgang er reell, overforbruk kan være for mye.
/
Technology
/ By
Admin
If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.	Hvis du lytter til historien Silicon Valley forteller om AI, høres det ut som en ren ingeniørbue: større modeller, bedre svar, mer produktivitet. Hvis du lytter til hva markeder og myndigheter i stillhet bekymrer seg for, høres det ut som noe helt annet: konsentrasjonsrisiko, energibegrensninger og en kapitalsyklus så stor at den kan forvrenge økonomien.
That tension — between
AI as a general-purpose breakthrough	AI som et gjennombrudd for alle formål
and
AI as an investment boom that could overshoot	AI som en investeringsboom som kan overskyte
— is the contradiction at the heart of the trillion-dollar race.	– er motsetningen i kjernen av billion-dollar-kappløpet.
The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.	BBCs rapportering, basert på intervjuer i og rundt Google, legger reelle tall og reell fysisk preg bak hypen: støyende brikkelaboratorier, skreddersydd silisium og årlige investeringstall som pleide å høres umulige ut.
The bet: AI is an “inflection point” worth overspending on	Veddemålet: AI er et «vendepunkt» det er verdt å bruke for mye penger på.
Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:	Googles administrerende direktør Sundar Pichai rammer AI som det neste plattformskiftet som skjer én gang i tiåret, som for eksempel:
the personal computer
the internet
mobile
cloud
That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.	Den innrammingen er viktig fordi den gir ledere tillatelse til å gjøre noe som ser irrasjonelt ut i et normalt år: bruke enorme summer foran dokumentert avkastning.
The BBC reports that Google is investing more than	BBC melder at Google investerer mer enn
$90bn a year
in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.	i sin AI-utbygging, omtrent tredoblet på fire år. Det er ikke «FoU». Det er infrastruktur- og forsyningskjedestrategi.
Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.	Pichais uvanlig ærlige påstand er at øyeblikket er både rasjonelt og irrasjonelt – spennende fremgang, men også en syklus der industrien kan overdrive.
If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.	Hvis du vil forstå hvorfor bedrifter fortsetter å bruke penger selv om folk snakker om en boble, er det grunnen: de mener kostnaden ved å være forsinket er eksistensiell.
The concentration risk: AI’s boom is propping up the whole market	Konsentrasjonsrisikoen: AI-boomen støtter opp hele markedet
One of the least-discussed AI risks isn’t technical. It’s financial.	En av de minst omtalte risikoene knyttet til AI er ikke teknisk. Den er økonomisk.
The BBC notes:
massive market value concentrated in a handful of firms	massiv markedsverdi konsentrert i en håndfull firmaer
the “Magnificent 7” making up roughly a third of the S&P 500 valuation	«Magnificent 7» som utgjør omtrent en tredjedel av verdsettelsen av S&P 500
concentration higher than during the dotcom era, per IMF comparisons	høyere konsentrasjon enn under dotcom-æraen, ifølge IMF-sammenligninger
That means the AI race is not only a tech story. It’s a macro story.	Det betyr at KI-kappløpet ikke bare er en teknologihistorie. Det er en makrohistorie.
If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:	Hvis AI-narrativet bryter sammen (eller til og med tar en pause), rammer det ikke bare noen få oppstartsbedrifter. Det rammer:
retirement portfolios
index funds
consumer confidence
credit availability
When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”	Når folk sier «er AI en boble», mener de ofte: «Er markedet for avhengig av denne ene historien?»
The real “AI factory”: chips, cooling, and bespoke silicon	Den virkelige «AI-fabrikken»: brikker, kjøling og skreddersydd silisium
It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.	Det er lett å behandle AI som programvare. Men konkurransefortrinnet ser i økende grad ut som kontroll av forsyningskjeden.
The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.	BBC tar oss med inn i Googles arbeid med TPU-er (Tensor Processing Units) – Google-designede brikker ment å drive AI-arbeidsbelastninger.
This matters because the chip landscape is stratifying:	Dette er viktig fordi chiplandskapet er stratifiserende:
CPUs handle general computing	CPU-er håndterer generell databehandling
GPUs handle parallel processing (often used for AI)	GPU-er håndterer parallell prosessering (ofte brukt til AI)
ASICs are purpose-built for specific workloads	ASIC-er er spesialbygd for spesifikke arbeidsbelastninger
TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.	TPU-er tilhører ASIC-kategorien: spesialtilpasset silisium som er justert for Googles behov.
The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.	Den strategiske logikken er klar: hvis databehandling er knapp og dyr, og hvis etterspørselen etter AI fortsetter å øke, er selskaper som kontrollerer sin egen silisium- og distribusjonsprosess mindre utsatt for eksterne begrensninger.
In plain English: if you can’t buy enough GPUs, you try to own the whole stack.	Enkelt sagt: hvis du ikke kan kjøpe nok GPU-er, prøver du å eie hele stacken.
The “begging for GPUs” era is a signal, not a joke	«Tiggingen av GPU-er»-æraen er et signal, ikke en spøk
The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.	BBC inkluderer en talende anekdote om teknologiledere som i praksis trygler Nvidia om flere GPU-er.
It’s funny, but it’s also a market signal:	Det er morsomt, men det er også et markedssignal:
demand for compute is outstripping supply	Etterspørselen etter databehandling overstiger tilbudet
the “winning” strategy looks like amassing chips and building data centres	«Vinnerstrategien» ser ut som å samle brikker og bygge datasentre.
This creates a psychological trap:	Dette skaper en psykologisk felle:
If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.	Hvis alle tror at den eneste måten å vinne på er å fortsette å bruke penger, blir pengebruk strategien – selv når avkastningen er usikker.
That’s how investment booms become self-reinforcing.	Slik blir investeringsboomer selvforsterkende.
The split that matters: incumbents vs the “borrowed compute” economy	Splittelsen som betyr noe: etablerte aktører vs. den «lånte databehandlingsøkonomien»
A crucial distinction in the BBC report is between:	Et viktig skille i BBC-rapporten er mellom:
the biggest tech companies that can fund chips and data centres from cashflow	de største teknologiselskapene som kan finansiere brikker og datasentre fra kontantstrøm
businesses that rely on borrowed money and complex deals to access compute	bedrifter som er avhengige av lånte penger og komplekse avtaler for å få tilgang til databehandling
This is the hidden class system of AI.	Dette er det skjulte klassesystemet til AI.
If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.	Hvis AI blir et våpenkappløp innen infrastruktur, kan selskaper med sterke balanser fortsette å bygge opp gjennom nedgangstider. Selskaper som er avhengige av kreditt, kan ikke det.
That’s why “bubble risk” is asymmetric:	Derfor er «boblerisiko» asymmetrisk:
the giants might survive a correction	Gigantene kan overleve en korreksjon
the leveraged infrastructure layer may not	Det er ikke sikkert at det utnyttede infrastrukturlaget
The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.	BBC nevner aksjekursfall i AI-infrastrukturselskaper og turbulens rundt firmaer knyttet til dataforsyning.
OpenAI’s spending storm and the politics of AI infrastructure	OpenAIs forbruksstorm og politikken rundt AI-infrastruktur
The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.	BBC beskriver kontroverser rundt omfanget av OpenAIs forpliktelser og motstanden da investorer stilte spørsmål ved misforholdet mellom utgifter og inntekter.
This is a familiar pattern in platform shifts:	Dette er et kjent mønster i plattformskifter:
early adoption is enormous
monetisation lags
compute costs stay brutal	Beregningskostnadene forblir brutale
The politically interesting part is the suggestion that governments might build and own AI infrastructure.	Den politisk interessante delen er forslaget om at myndighetene kan bygge og eie AI-infrastruktur.
That idea will appeal to policymakers for three reasons:	Den ideen vil appellere til politikere av tre grunner:
sovereignty
(not being dependent on a few US firms)	(ikke avhengig av noen få amerikanske firmaer)
national security
(control over critical compute)	(kontroll over kritisk databehandling)
industrial strategy
(jobs, investment, resilience)	(jobber, investeringer, motstandskraft)
But it also raises hard questions:	Men det reiser også vanskelige spørsmål:
do taxpayers subsidise private models?	Subsidierer skattebetalerne private modeller?
who gets access?
who governs safety and accountability?	Hvem styrer sikkerhet og ansvarlighet?
The energy constraint: AI doesn’t scale without electricity	Energibegrensningen: AI skalerer ikke uten strøm
The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.	BBC peker på en truende realitet: datasentre kan forbruke strøm på samme skala som store nasjoner.
This is the constraint that can turn AI hype into political conflict.	Dette er begrensningen som kan gjøre AI-hype til politisk konflikt.
Because energy systems are already under pressure:	Fordi energisystemene allerede er under press:
electrification of transport
heating decarbonisation
industrial transition
If AI growth competes with those goals, governments face trade-offs.	Hvis AI-vekst konkurrerer med disse målene, står myndighetene overfor avveininger.
And unlike many tech constraints, energy constraints are physical:	Og i motsetning til mange teknologiske begrensninger, er energibegrensninger fysiske:
grid build-outs take years	Utbygging av strømnett tar år
permitting is slow
local opposition is common
“Truth matters” and the trust problem	«Sannheten teller» og tillitsproblemet
Pichai’s line “truth matters” is both reassuring and revealing.	Pichais replikk «sannheten teller» er både betryggende og avslørende.
The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:	Tillitsproblemet i AI er ikke bare hallusinasjoner. Det er det bredere informasjonsøkosystemet:
when AI summarises the web, what happens to sources?	Når AI oppsummerer nettet, hva skjer med kildene?
when AI is wrong confidently, how do people correct it?	Når AI tar feil med sikkerhet, hvordan korrigerer folk det?
who is accountable for downstream harms?	Hvem er ansvarlig for skader nedstrøms?
The BBC notes the concern that if AI becomes the sole product, reliability suffers.	BBC bemerker bekymringen for at påliteligheten lider dersom AI blir det eneste produktet.
A healthier ecosystem likely requires:	Et sunnere økosystem krever sannsynligvis:
transparent citations
multiple sources
robust evaluation
human oversight in high-stakes contexts	menneskelig tilsyn i sammenhenger med høy innsats
If AI is a platform shift, trust is its safety layer.	Hvis AI er et plattformskifte, er tillit sikkerhetslaget.
What to watch next
Capex discipline
: do the giants slow spending, or double down?	: senker gigantene forbruket, eller dobler de seg?
Compute pricing
: do costs fall enough to enable broad profits, or stay concentrated?	Faller kostnadene nok til å muliggjøre bred fortjeneste, eller forblir de konsentrerte?
Energy politics
: grid constraints, permitting battles, water use, and local moratoria.	: nettbegrensninger, tillatelser til kamper, vannbruk og lokale moratorier.
Regulatory posture
: do governments treat AI infrastructure like telecoms/energy — critical and regulated?	Behandler myndighetene AI-infrastruktur som telekom/energi – kritisk og regulert?
Adoption vs monetisation	Adopsjon kontra pengeinntjening
: is productivity real at scale, or is usage mostly experimentation?	Er produktiviteten reell i stor skala, eller er bruken hovedsakelig eksperimentering?
Bottom line
The AI race is simultaneously a technology revolution and a capital cycle.	AI-kappløpet er samtidig en teknologirevolusjon og en kapitalsyklus.
The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.	Grunnen til at det føles motstridende er at begge påstandene er sanne: AI-fremgang er reell, og investeringsboomen kan fortsatt skyte over ende. Vinnerne vil ikke bli avgjort av hype alene – de vil bli avgjort av hvem som kan sikre databehandling, drive den bærekraftig og omsette bruk til varig verdi før finansieringsstemningen snur.
Sources
BBC News (Technology / InDepth):	BBC Nyheter (Teknologi / Dybdegående):
https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss	https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
TripZapp and the Hard Part of Travel Tech in Africa	TripZapp og den vanskelige delen av reiseteknologi i Afrika
Europe’s shadow fleet problem is really about governance at sea	Europas skyggeflåteproblem handler egentlig om styring til sjøs
AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	AI er et reelt plattformskifte, men kapitalsyklusen er enorm og konsentrert. Her er hvorfor Big Tech fortsetter å bruke penger på brikker og datasentre – og hvor risikoen ligger.

Document Title

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Title Attribute

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

Page Content

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

Nature

Climate

The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too

Technology

/ By

Admin

If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.

That tension — between

AI as a general-purpose breakthrough

and

AI as an investment boom that could overshoot

— is the contradiction at the heart of the trillion-dollar race.

The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.

The bet: AI is an “inflection point” worth overspending on

Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:

the personal computer

the internet

mobile

cloud

That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.

The BBC reports that Google is investing more than

$90bn a year

in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.

Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.

If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.

The concentration risk: AI’s boom is propping up the whole market

One of the least-discussed AI risks isn’t technical. It’s financial.

The BBC notes:

massive market value concentrated in a handful of firms

the “Magnificent 7” making up roughly a third of the S&P 500 valuation

concentration higher than during the dotcom era, per IMF comparisons

That means the AI race is not only a tech story. It’s a macro story.

If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:

retirement portfolios

index funds

consumer confidence

credit availability

When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”

The real “AI factory”: chips, cooling, and bespoke silicon

It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.

The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.

This matters because the chip landscape is stratifying:

CPUs handle general computing

GPUs handle parallel processing (often used for AI)

ASICs are purpose-built for specific workloads

TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.

The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.

In plain English: if you can’t buy enough GPUs, you try to own the whole stack.

The “begging for GPUs” era is a signal, not a joke

The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.

It’s funny, but it’s also a market signal:

demand for compute is outstripping supply

the “winning” strategy looks like amassing chips and building data centres

This creates a psychological trap:

If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.

That’s how investment booms become self-reinforcing.

The split that matters: incumbents vs the “borrowed compute” economy

A crucial distinction in the BBC report is between:

the biggest tech companies that can fund chips and data centres from cashflow

businesses that rely on borrowed money and complex deals to access compute

This is the hidden class system of AI.

If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.

That’s why “bubble risk” is asymmetric:

the giants might survive a correction

the leveraged infrastructure layer may not

The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.

OpenAI’s spending storm and the politics of AI infrastructure

The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.

This is a familiar pattern in platform shifts:

early adoption is enormous

monetisation lags

compute costs stay brutal

The politically interesting part is the suggestion that governments might build and own AI infrastructure.

That idea will appeal to policymakers for three reasons:

sovereignty

(not being dependent on a few US firms)

national security

(control over critical compute)

industrial strategy

(jobs, investment, resilience)

But it also raises hard questions:

do taxpayers subsidise private models?

who gets access?

who governs safety and accountability?

The energy constraint: AI doesn’t scale without electricity

The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.

This is the constraint that can turn AI hype into political conflict.

Because energy systems are already under pressure:

electrification of transport

heating decarbonisation

industrial transition

If AI growth competes with those goals, governments face trade-offs.

And unlike many tech constraints, energy constraints are physical:

grid build-outs take years

permitting is slow

local opposition is common

“Truth matters” and the trust problem

Pichai’s line “truth matters” is both reassuring and revealing.

The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:

when AI summarises the web, what happens to sources?

when AI is wrong confidently, how do people correct it?

who is accountable for downstream harms?

The BBC notes the concern that if AI becomes the sole product, reliability suffers.

A healthier ecosystem likely requires:

transparent citations

multiple sources

robust evaluation

human oversight in high-stakes contexts

If AI is a platform shift, trust is its safety layer.

What to watch next

Capex discipline

: do the giants slow spending, or double down?

Compute pricing

: do costs fall enough to enable broad profits, or stay concentrated?

Energy politics

: grid constraints, permitting battles, water use, and local moratoria.

Regulatory posture

: do governments treat AI infrastructure like telecoms/energy — critical and regulated?

Adoption vs monetisation

: is productivity real at scale, or is usage mostly experimentation?

Bottom line

The AI race is simultaneously a technology revolution and a capital cycle.

The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.

Sources

BBC News (Technology / InDepth):

https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

←

→

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Document Title
Page not found - Florin.blog	Siden ble ikke funnet - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog	Siden ble ikke funnet - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.	Denne siden ser ikke ut til å eksistere.
It looks like the link pointing here was faulty. Maybe try searching?	Det ser ut som om lenken som pekte hit var feil. Kanskje du kan prøve å søke?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.	Som Amazon-partner tjener vi penger på kvalifiserte kjøp – uten ekstra kostnad for deg.
Florin.blog
Florin.blog » Feed
RSD
Search...

Document Title

Page not found - Florin.blog

Image Alt

Florin.blog

Title Attribute

Florin.blog » Feed

RSD

Placeholder Attribute

Search...

Page Content

Page not found - Florin.blog

Home

Blog

Garden Decor

Indoor

Main Menu

This page doesn't seem to exist.

It looks like the link pointing here was faulty. Maybe try searching?

Search for:

Quick Links

Outdoors

About

Contact

Explore

Bestsellers

Hot deals

Best of The Year

Featured

Gift Cards

Help

Disclaimer

: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.

Florin.blog

Florin.blog » Feed

RSD

Search...